一文读懂transformer(CV专享)

导言：

       transformer在这两年大火，CV界广泛应用transformer模型，充分吸收其idea到自己的领域。考虑到transformer本是应用于NLP的论文，其中很多内容都形成了共识，因此在论文中并未提及，就好像CV中论文提到图像预处理使用center crop , color jitter，但不会详细介绍这两个，这就是CV领域的共识，其他领域的人看到这两个将会很困惑，作为CV中人读transformer会被很多共识内容所折磨，包括很多介绍transformer的博客知乎，都是站在NLP领域的角度写的，因此共识部分都是一笔带过，本文的出发点是要让CV人读得懂。

    （注：本文是本人在内部分享会上的做的ppt，要转换成文章太费时间，这里直接使用ppt图片，原ppt很多内容都是口头讲的，且很多都是原论文引文，这里为了介绍清楚，在其基础上加入了很多口头上讲的东西，并将英文改成了中文，希望读者能谅解）